Pengaruh Indikator Kependudukan Terhadap Tingkat Pengangguran Terbuka di Indonesia dengan Pendekatan Regresi Panel

  D-432 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) 2337-3520 (2301-928X Print)

  INJAUAN P USTAKA RegresiPanel

  β ^{2 ,} …β ^{K ) : koefisien slope dengan banyaknya} variabel prediktor.

  y it : variabel respon individu ke-i dan waktu ke-t α it : Koefisien intersep individu ke-i dan waktu ke-t β′ = (β ^{1 ,}

  Keterangan :

   (1)

     _it Χ ' β

  it it it e y

  Secara umum, persamaan model regresi panel dapat ditulis sebagai berikut:

  variabel atau lebih yang dikumpulkan untuk beberapa individu dalam satu waktu. Sedangkan data time series merupakan data dari satu variabel atau lebih yang dikumpulkan dari waktu ke waktu. Sehingga dalam data panel, unit cross section yang sama dikumpulkan dari waktu ke waktu [4].

  time series. Data cross section merupakan data dari satu

  Regresi panel merupakan analisis regresi dengan struktur data gabungan dari data cross section dan data

  II. T

  

Pengaruh Indikator Kependudukan Terhadap

Tingkat Pengangguran Terbuka di Indonesia

dengan Pendekatan Regresi Panel

  Dalam penelitian ini, dijelaskan terkait pemodelan faktor-faktor yang berpengaruh terhadap Tingkat Pengangguran Terbuka di Indonesia. Regresi panel digunakan karena dianggap paling baik dalam mendeteksi dan mengukur dampak yang secara sederhana tidak bisa dilihat pada data cross section murni atau time series murni. Meningkatnya angka TPT dari tahun ke tahun untuk masing-masing daerah mengindikasikan waktu dan lokasi berpengaruh terhadap TPT sehingga waktu (tahun) diperhitungkan dalam pemodelan. Tujuannya adalah mendapatkan model regresi data panel untuk TPT di Indonesia periode 9 tahun yaitu tahun 2006 hingga 2014.

  Studi sebelumnya menjelaskan tentang Pemodelan Tingkat Pengangguran Terbuka Kabupaten/Kota di Provinsi Jawa Tengah, indikator signifikan berpengaruh terhadap Tingkat Pengangguran Terbukaadalah persentase penduduk berumur 15 tahun ke atas yang bekerja berdasarkan pendidikan tertinggi yang ditamatkan adalah SMA/SMK, Angka Partisipasi Kasar (APK) SMA, rasio ketergantungan dan Produk Domestik Regional Bruto (PDRB). Beberapa penelitian sebelumya mengacu pada pemilihan variabel yang digunakan dalam menduga pengaruh Tingkat Pengangguran Terbuka, yaitu laju pertumbuhan penduduk, Angka Melek Huruf, Angka Partisipasi Kasar SMA/Sederajat, laju kenaikan Upah Minimum Provinsi, dan laju pertumbuhan PDRB [3].

  (SMP) 6,22 persen, dan Sekolah Dasar (SD) ke bawah 2,74 persen [2].

  I. P ENDAHULUAN ondisi kependudukan masih menjadi tantangan bagi pembangunan Indonesia. Jika dilihat dari aspek kuantitas, Indonesia memiliki kuantitas penduduk yang cukup banyak, sedangkan dari aspek kualitas dapat dikatakan rendah. Pengangguran menjadi salah satu masalah pokok yang dihadapi negara berkembang, khususnya Indonesia. Masalah pengangguran timbul karena adanya ketimpang-an antara jumlah angkatan kerja dengan jumlah lapangan pekerjaan yang tersedia. Berdasarkan data, jumlah penduduk usia kerja di Indonesia mencapai 186,1 juta orang atau naik 0,51 juta dari tahun sebelumnya [1]. Tingkat Pengangguran Terbuka (TPT) Agustus 2015 sebesar 6,18 persen meningkat dibanding TPT Agustus 2014 (5,94 persen). TPT per Agustus 2015 mencapai 7,56 juta orang. Jumlah pengangguran terbanyak berasal dari lulusan Sekolah Menengah Kejuruan (SMK) sebanyak 12,65 persen atau naik dari 11,24 persen. Disusul lulusan Sekolah Menengah Atas (SMA) 10,32 persen, diploma 7,54 persen; universitas 6,40 persen; Sekolah Menengah Pertama

  Kata Kunci —Kependudukan, Tingkat Pengangguran Terbuka, Regresi Panel.

  Berdasarkan analisis, diperoleh tiga variabel yang signifikan terhadap Tingkat Pengangguran Terbuka antara lain Laju Pertumbuhan Penduduk, Angka Melek Huruf dan Angka Partisipasi Kasar SMA/Sederajat .

  —Kependudukan merupakan tantangan besar bagi pembangunan Indonesia. Badan Kependudukan dan Keluarga Berencana Nasional (BKKBN) menyebutkan bahwa jumlah penduduk yang besar akan berdampak pada berbagai aspek kehidupan, diantaranya masalah kebutuhan pangan, kemiskinan hingga lapangan kerja. Kondisi pengangguran di Indonesia semakin meningkat dari tahun ke tahun. Berdasarkan data Badan Pusat Statistik (BPS), Tingkat Pengangguran Terbuka (TPT) Agustus 2015 sebesar 6,18 persen meningkat dibanding sebelumnya (5,94 persen). TPT per Agustus 2015 mencapai 7,56 juta orang. Terlebih, jika melihat Indonesia yang dihadapkan dengan pemberlakuan kerja sama dalam Masyarakat Ekonomi ASEAN (MEA), Indonesia memasuki pasar bebas tenaga kerja dalam kondisi yang kurang ideal. Berdasarkan latar belakang tersebut, maka dilakukan penelitian terkait Pengaruh Indikator Kependudukan Terhadap Tingkat Pengangguran Terbuka di Indonesia dengan Pendekatan Regresi Panel, sebagai solusi dalam mengurangi angka pengangguran. Adanya efek individu pada model panel mengakibatkan pendekatan model yang sesuai adalah Fixed EffectModelyang menghasilkan nilai R ² sebesar 86 persen.

  

e-mail: vita_ratna@statistika.its.ac.id dan elika.tantri11@mhs.statistika.its.ac.id

Abstrak

  Jl. Arief Rahman Hakim, Surabaya 60111 Indonesia

  Elika Tantri dan Vita Ratnasari Jurusan Statistika, Fakultas MIPA, Institut Teknologi Sepuluh Nopember (ITS)

  K

  JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) 2337-3520 (2301-928X Print) D-433

  Uji Hausman adalah pengujian untuk memilih model terbaik antara FEM dan REM. Uji Hausman dilakukan jika dari hasil uji Chow model yang sesuai adalah model fixed effect. Hipotesis yang digunakan sebagai berikut. H : corr (X it ,ε it ) = 0 (Model yang sesuai REM) H ¹ : corr (X ^it ,ε ^it ) ≠ 0 (Model yang sesuai FEM)

  Statistik uji Hausman mengikuti statistik uji Chi-Square dengan derajat bebas K (jumlah variabel independen). Dengan daerah penolakan, Tolak H , apabila

  ( _{REM FEM β β Α}  

  ) ˆ ( ) ˆ

  (8) Dengan

   

  ' var( W 

  ) ˆ ) var( ˆ

    Α β β Α _{REM FEM} ¹

  Statistika uji :

  fixed effect model. 2) Uji Hausman

  2 .

  berarti intersep untuk semua unit cross section tidak sama, maka untuk mengestimasi persamaan regresi digunakan

  α;(N-1,NT-N-K)

  Daerah penolakan : Tolak H , jika F hitung > F

  = R-square model FEM N = Jumlah unit cross section T = Jumlah unit time series K = Jumlah parameter yang akan diestimasi

  2

  = R-square model CEM R FEM

  2

  pooled

  (7) Keterangan : R

      

  W > ( ; )

  Jika keputusannya Tolak H maka model yang tepat adalah FEM, namun jika sebaliknya maka model yang tepat adalah REM.

  K) N )/(NT R (1 1) )/(N R (R K) N /(NT e e' 1) )/(N e e' e (e'

    

  H : β ^{1 = β 2 = …= β K = 0} H ¹ : Paling sedikit ada satu β ^K ≠ 0

  Uji serentak digunakan untuk mengetahui pengaruh semua variabel independen terhadap variabel dependen. Hipotesis yang digunakan sebagai berikut.

  1) Pengujian Serentak

  Pengujian parameter model regresi dilakukan untuk mengetahui hubungan antara variabel respon dan variabel prediktor.

   Pengujian Parameter Model Regresi

  artinya model FEM memiliki struktur yang heteroskedastik sehingga untuk mengatasi harus diestimasi dengan metode cross section weight.

  2

  > ( ; )

  (9) Daerah Penolakan: Tolak H jika

      _{ } ^{ }

     

  3) Uji Lagrange Multiplier

  NT LM    

  1 e e 1) 2(T

    ² _{N 1 i} ^N _{2 T 1 t it 1 i} ^{2 T} _{1 t} ^it

  Statistik uji :

   (FEM memiliki struktur yang heterokedastik)

  2  i

  (FEM memiliki struktur yang homokedastik) H ¹ :

  

  2  i

  Uji Lagrange Multiplier (LM) untuk mendeteksi adanya heterokedastisitas panel data model FEM. Hipotesis yang digunakan dalam uji LM sebagai berikut. H :

  F _{2 FEM} ^{2 pooled} _FEM ^{2 FEM FEM pooled}      

  Statistik uji :

  X _{it = X 1it ,X 2it , …X Kit : variabel prediktor dari unit individu}

  FEM merupakan pendekatan untuk mengestimasi data panel yang dapat dibedakan berdasarkan individu dan waktu dengan memasukkan nilai intersep berbeda-beda untuk setiap unit cross section tetapi masih memiliki asumsi slope koefisien tetap. Model FEM Koefisien slope konstan tetapi koefisien intersep bervariasi pada setiap individu dinyatakan sebagai berikut. _{it i it}

  Χ β _it     _it ^'

      _it ^'

  (ECM) sehingga : _{it it it} α y e u _it

  random effect sering disebut Error Component Model

  Pendekatan REM melibatkan korelasi antar error terms karena berubahnya waktu maupun unit observasi. Model

  3) Pendekatan Random Effect Model (REM)

  (3) Adanya perbedaan intersep dari masing-masing individu ditunjukkan melalui indeksi pada intersep (α ⁱ ).

  Χ β 

     _it ^'

  e y

  2) Pendekatan Fixed Effect Model (FEM)

  α y dengan

  (2)

  Χ β 

  it it  e y   _it ^'

  Pada pendekatan ini, seluruh data digabungkan tanpa memperhatikan individu dan waktu. CEM dinyatakan dalam model sebagai berikut.

  effect model dan randomeffect model. 1) Pendekatan Common Effect Model (CEM)

  Untuk mengestimasi model regresi data panel ada beberapa kemungkinan yang akan muncul [5]. Ada tiga kemungkinan dalam melakukan estimasi model regresi panel, diantaranya adalah common effect model, fixed

   Metode Estimasi Model Regresi Panel

  )

  e it : Komponen residual dengan IIDN (0, σ ²

  ke-i dan periode waktu ke-t

  Χ β _{it it}

  = + D-434 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) 2337-3520 (2301-928X Print)

  α ^{i ≠ m (Model FEM)} i = 1,2,...,N ; m= 1,2,...,N

  ' ^N _{1 i i it i} ^T _{1 t it}

  H : α ^{1 = α 2 = α N (Model CEM)} H ^{1 : Paling sedikit ada satu}

  Uji Chow adalah pengujian yang dilakukan untuk memilih antara model CEM atau FEM untuk meng- estimasi data panel. Pengujian ini mirip dengan uji F.

  1) Uji Chow

  Untuk mengetahui model yang akan dipakai, dilakukan uji spesifikasi model sebagai berikut.

  )' y )(y x (x Pemilihan Model Estimasi Regresi Data Panel

     ^{N 1 i i i t T 1 t i i t}

       

     

  (6) dengan,

  ) x )(x x (x β

       ¹

  merupakan suku error gabungan. ω ^it memuat dua komponen error yaitu u i sebagai komponen

     

   

  Berdasarkan persamaan (3), dapat diketahui bahwa terdapat perbedaan intersep dari masing-masing individu yang ditunjukkan dengan indeks i pada intersep (α i ), namun dalam hal ini intersep untuk unit time series tetap (konstan). Sehingga, dapat diperoleh estimatorLSDV.

  Square Dummy Variable (LSDV).

  Dalam teknik estimasinya, CEM menggunakan pendekatan Ordinary Least Squared (OLS) dan REM dengan Generalized Least Squares (GLS). Sedangkan dalam memilih model FEM digunakan pendekatan Least

   Estimasi Parameter

  (4)

  y    ^' _{i t} Χ β

  sebagai komponen komponen cross section dan error time series. _{ω it it it α}

  error cross section serta e ^it

  Statistik uji:

  K) N )/(NT R (1 1) K /(N R F ₂ ²   

  X ₂ Angka Melek Huruf Persentase (%)

  III. M ETODOLOGI P ENELITIAN

   Sumber Data

  Data yang digunakan adalah data sekunder yang diperoleh dari BPS,BKKBN dan BI dengan periode waktu tahun 2006 hingga 2014.

   Variabel Penelitian

  Variabel yang digunakan pada penelitian ini merupakan data 33 provinsi di Indonesia dan disajikan pada Tabel 1.

  T ABEL 1.

  V ^ARIABEL P ^ENELITIAN Jenis Variabel Satuan

  X ^{1 Laju Pertumbuhan Penduduk Persentase (%)}

  X ^{3 Angka Partisipasi Kasar SMA Persentase (%)}

  Adapun dalam perhitungannya digunakan rumus sebagai berikut.

  X ^{4 Laju Kenaikan UMP Persentase (%)}

  X ^{5 Laju Pertumbuhan PDRB Persentase (%)} Langkah Analisis

  Langkah analisis yang digunakan pada panelitian ini adalah sebagai berikut.

  1. Mengumpulkan data indikator kependudukan yang diduga mempengaruhi TPT menurut teori dan kondisi saat ini.

  3. Melakukan analisis Regresi Panel dalam mengetahui faktor-faktor yang mempengaruhi Tingkat Pengangguran Terbukadi Indonesia denganpemodelan menggunakan efek individu.

  a.

  Melakukan Uji Multikolinearitas b.

  Melakukan pemilihan model regresi panel yang sesuai dengan data Tingkat Pengangguran Terbuka di Indonesia sebagai berikut: i.

  Melakukan Uji Chow. Uji Chow digunakan untuk memilih CEM atau FEM. Apabila hasil pengujian tolak H atau signifikan maka ditentukan FEM dan dilanjutkan langkah (ii).

  100% Kerja Angkatan Jumlah Penganggur an Jumlah TPT  

  Tingkat Pengangguran Terbuka (TPT) adalah persentase jumlah pengangguran terhadap jumlah angkatan kerja. Dimana, TPT memiliki kegunaan dalam mengindikasikan besarnya persentase angkatan kerja yang termasuk dalam pengangguran.

    

  ; dimana n adalah jumlah pengamatan dan K adalah banyaknya parameter.

  (10) Daerah penolakan : Tolak H jika F hitung > F

  α(K-1;N-K) 2) Pengujian Parsial

  Pengujian parsial atau individu digunakan untuk mengetahui parameter yang berpengaruh signifikan secara individu terhadap model. Hipotesis yang digunakan adalah sebagai berikut. H :

  β ^{K = (tidak ada pengaruh yang signifikan)} H ^{1 : β K ≠ 0 (ada pengaruh yang signifikan)}

  k = 1,2,...,K

  Satistik uji :

  ) βˆ SE( βˆ t _k ^k _hitung 

  (11) Daerah penolakan : Tolah H , jika |t ^hitung | lebih besar daripada t (

  α/2,NT-K-1)

   Pengujian Asumsi Klasik

   Tingkat Pengangguran Terbuka

  Metode regresi data panel memberikan hasil pendugaan yang bersifat Best Linear Unbiased Estimation (BLUE) jika memenuhi asumsi IIDN (Identik, independen dan Berdistribusi Normal). Uji asumsi multikolinieritas dilakukan untuk melihat adanya hubungan linear yang kuat diantara beberapa variabel prediktor dalam suatu model regresi. Salah satu cara mendeteksi kasus multikolinieritas adalah dengan melihat nilai VarianceInflation Factor (VIF) pada model regresi. Adanya multikolinieritas diketahui jika nilai VIF > 10.Uji asumsi identik dilakukan untuk mengetahui homo-genitas varian residual. Diantara beberapa uji untuk mendeteksi adanya kasus heteroskedastisitas, Uji Park merupakan yang lebih teliti dalam memantau gejala heteroskedastisitas [6]. Uji asumsi independen dilakukan untuk mengetahui adanya autokorelasi menggunakan uji

  durbin watson. Data penel memiliki kelebihan yaitu tidak

  perlu mengasumsikan bahwa komponen error tidak berkorelasi dengan variabel bebas yang mungkin sulit dipahami [7]. Uji asumsi normalitas dilakukan untuk melihat apakah residual mengikuti distribusi normal dengan metode Kolmogorov Smirnov.

   Analisis Klaster

  Analisis klaster merupakan metode analisis yang digunakan untuk mengelompokkan objek-objek pengamatan menjadi beberapa kelompok yangmempunyai persamaan [8].Prosedur pengelompokkan dibagi dua yaitu hierarki dan non hierarki. Pada penelitian ini digunakan metode non-hierarkiyaitu K-Meansyang berusaha untuk mempartisi objek kedalam satu cluster atau lebih objek berdasarkan karakteristiknya, objek yang mempunyai karakteristik sama dikelompokkan dalam satu cluster dan objek yang mempunyai karakteristik yang berbeda dikelompokkan kedalam cluster lain. Jika diberikan sekumpulan objek X = (X ^{1 , X 2 , ..., X n ) maka algoritma K-} Means akan mempartisi X dalam k dalam cluster tersebut. Pada tahap awal algoritma K-Means dipilih secara acak k buah sebagai centroid, menggunakan jarak euclidian, objek ditempatkan dalam cluster yang terdekat dihitung dari titik tengah cluster. Proses penentuan centroid dan penempatan objek dalam semua cluster diulangi sampai nilai centroid dari semua cluster. Adapun rumus untuk menghitung jarak Euclidean pada p variabel adalah

  ) ( )' ( ) , ( y x y x y x d   

  (12) Dengan: x

  ′ = [x ^{1 ,x 2 , …,x p ] dan y} ′ = [y ^{1 ,y 2 , …,y p ]} Konsep Kependudukan

  Masalah kependudukan di Indonesia pada dasarnya dapat dikelompokkan menjadi empat kategori, yaitu yang berkaitan dengan kuantitas, kualitas, mobilitas dan administrasi kependudukan. Berdasarkan Grand Desain Kependudukan dijelaskan bahwa indikator kependudukan terdiri dari kuantitas yang meliputi jumlah, struktur dan persebaran, lalu kualitas yang meliputi kesehatan, pendidikan, agama, perekonomian dan sosial budaya. Sedangkan dalam komponen kependudukan terdiri dari kelahiran, kematian dan migrasi.

2. Melakukan analisis deskriptif untuk mengetahui karakteristik variabel.

  JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) 2337-3520 (2301-928X Print) D-435 ii.

  2

  Selanjutnya, dilakukan uji Hausman yaitu untuk memiliki diantara model REM dan FEM sebagai berikut.

  T ABEL 5.

  H ^ASIL U ^JI H ^AUSMAN Pengukuran Nilai

  Wald 29,513

  2 tabel  7,815 df

  3 P-value 0,000 Sumber : Eviews 6, 2016

  Berdasarkan Tabel 5. dapat diketahui bahwa hasil Uji Hausman menghasilkan nilai W sebesar 29,513 yang lebih besar jika dibandingkan dengan

  2

  =

  (0,05;3)

  2

  sebesar 7,815 dan nilai probabilitas sebesar 0,000 yang kurang dari α = 0,05. Sehingga dapat disimpulkan bahwa model yang sesuai adalah model FEM.

  Kemudian dilakukan uji Lagrange Multiplier (LM). Berdasarkan hasil analisis diperoleh nilai

  ℎ

  sebesar 18,563 yang lebih besar jika dibandingkan dengan

  Sumber : Eviews 6, 2016

  2

  =

  (0,05;1)

  2

  sebesar 3,841. Sehingga dapat disimpulkan bahwa terjadi heteroskedastisitas atau terdapat efek cross section pada struktur panel model FEM. Akibat struktur belum homogen, maka dalam mengestimasi model digunakan FEM cross section

  weight.

  Dengan melakukan estimasi model, diperoleh model Tingkat Pengangguran Terbuka di Indonesia sebagai berikut.

  3it X 157 , 2it X 046 ,

  1it X 358 , 799 , 20 it

  ˆ y      i

  

  (15)

  α i merupakan intersep untuk individu ke-i. Dalam

  penelitian ini, individu ke-i merupakan masing-masing provinsi di Indonesia. Berdasarkan persamaan (15) dapat diketahui bahwa nilai koefisien dari variabel Laju Pertumbuhan Penduduk sebesar 0,358. Tanda positif menunjukkan bahwa semakin tinggi Laju Pertumbuhan penduduk, maka nilai TPT akan semakin tinggi pula. Jika Laju Pertumbuhan Penduduk meningkat sebesar 1 persen, maka nilai TPT di Indonesia meningkat sebesar 0,358 persen.

  Berdasarkan Tabel 4. dapat diketahui bahwa hasil Uji Chow menghasilkan nilai F ^hitung sebesar 45,656 yang lebih besar jika dibandingkan dengan F (32;261;0,05) sebesar 0,6158 dan nilai probabilitas sebesar 0,000 yang kurang dari α = 0,05. Sehingga dapat disimpulkan model yang sesuai adalah FEM.

  F ^hitung 45,656 F tabel 0,6158 df (32,261) P-value 0,000

  Melakukan Uji Hausman.Apabila dari hasil uji Chow tersebut ditentukan bahwa FEM, hasil pengujian Hausman tolak H atau signifikan maka ditentukan FEM dan dilanjutkan langkah (iii). iii.

  T ABEL 2.

  Melakukan Uji Lagrange Multiplier (LM). Uji LM digunakan untuk mengetahui adanya Heteroskedastik antar kelompok individu (cross

  section). Apabila hasil pengujian tolak H atau

  signifikan, maka ditentukan FEM Heteroskedastik dan diatasi dengan cross section weight (Pengujian selesai).

  c.

  Mendapatkan estimasi model regresi panel.

  d.

  Melakukan analisis klaster dan pemetaan.

  e.

  Melakukan pengujian signifikansi parameter model regresi.

  f.

  Melakukan pengujian asumsi residual IIDN, yaitu uji identik, independen dan berdistribusi normal.

  IV. H ASIL DAN P EMBAHASAN

   Statistika Deskriptif Variabel

  Statistika deskriptif digunakan untuk melihat gambaran umum dari data. Berikut adalah statistika deskriptif yang menunjukkan karakteristik masing-masing variabel. Dapat dijelaskan pada Tabel 2. bahwa selisih nilai terendah dengan nilai tertinggi masing-masing variabel sangat besar. Kondisi ini meng-gambarkan kondisi wilayah provinsi di Indonesia yang beragam dan tidak merata untuk masing-masing variabel.

  H ^ASIL S ^TATISTIKA D ^ESKRIPTIF Var Rata-rata Min Maks Provinsi Terendah Provinsi Tertinggi

  H ^ASIL U ^JI C ^HOW Pengukuran Nilai

  Y 6,764 1,830 16,3 Bali Banten

  X ^{1 1,779 0,370 5,39 Jawa Tengah Papua}

  X ^{2 92,80 64,08 99,60 Papua Sulawesi Utara}

  X ^{3 66,46 43,76 94,62 Kalimantan Barat DIY}

  X ₄ 0,127 -0,004 0,488 DKI Jakarta DKI Jakarta

  X ^{5 5,999 -17,14 28,46 Papua Barat Papua} Pemodelan Tingkat Pengangguran Terbuka

  Untuk mengetahui faktor-faktor yang mempengaruhi Tingkat Pengangguran Terbuka (TPT) dilakukan analisis regresi panel. Sebelumnya, terlebih dahulu dilakukan pengujian multikolinieritassebagai berikut

  T ABEL 3.

  H ^ASIL P ^ENGUJIAN M ^{ULTIKOLINEARITAS} Variabel Independen

  VIF Laju Pertumbuhan Penduduk 1,04 Angka Melek Huruf 1,10 Angka Partisipasi Kasar SMA 1,05 Upah Minimum Provinsi 1,04 Produk Domestik Regional Bruto 1,06 Sumber : Minitab 16, 2016

  Berdasarkan tabel 3 menunjukkan bahwa seluruh variabel memiliki nilai VIF kurang dari 10, sehingga dapat disimpulkan bahwa asumsi tidak ada multikolinieritas telah terpenuhi.

  Pemodelan regresi panel pada penelitian ini terlebih dahulu dilakukan pemilihan model dengan Uji Chow, Uji Hausman dan Uji Lagrange Multiplier (LM), dimana diperoleh hasil bahwa terdapat tiga variabel yang berpengaruh signifikan, yaitu Laju Pertumbuhan Penduduk, Angka Melek Huruf, dan Angka Partisipasi Kasar SMA/Sederajat. Selanjutnya, kembali dilakukan pemilihan model hingga diperoleh model terbaik yaitu model FEM dengan efek individu.

  Uji Chow adalah pengujian yang dilakukan untuk memilih antara CEM dan FEM. Adapun hasilnya adalah sebagai berikut.

  T ABEL 4.

  Nilai koefisien dari variabel Angka Melek Huruf sebesar 0,046. Tanda negatif menunjukkan bahwa semakin tinggi Angka Melek Huruf, maka nilai TPT akan semakin rendah. Jika Angka Melek Huruf meningkat sebesar 1 persen, maka nilai TPT di Indonesia menurun sebesar 0,046 persen. D-436 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) 2337-3520 (2301-928X Print) Nilai koefisien dari variabel Angka Partisipasi Kasar

  SMA sebesar 0,157. Tanda negatif menunjukkan bahwa semakin tinggi Angka Partisipasi Kasar SMA, maka nilai TPT akan semakin rendah. Jika Angka Partisipasi Kasar SMA meningkat sebesar 1 persen, maka nilai TPT di Indonesia menurun sebesar 0,157 persen.

  Sumber ArcView GIS 3.3,2016 Gambar 1. Peta Indikator Pengaruh TPT Tahun 2014

  H ^ASIL N ^ILAI R ² M ^ODEL FEM Nilai

  R-Squared 0,866 Adjusted R-Squared 0,854 Sumber : Eviews 6, 2016

  Berdasarkan tabel 8. dapat diketahui bahwa nilai R ² model FEM dengan cross section weight sebesar 0,864 atau 86 persen termasuk tinggi dan memiliki arti bahwa variabel prediktor yang digunakan dapat menjelaskan variabilitas Y sebesar 86 persen dan 14 persen dijelaskan oleh variabel lain.

  Berdasarkan perhitungan nilai taksiran Tingkat Pengangguran Terbuka untuk masing-masing provinsi di Indonesia, selanjutnya dibentuk pengelompokkan dengan analisis klaster non hierarki dengan metode K-means, dimana kelompok yang dibentuk sebanyak dua untuk kategori Tingkat Pengangguran Terbuka tinggi dan rendah dalam satu periode waktu yaitu tahun 2014, dengan nilai

  cut off sebesar 5,62 yang diperoleh dari hasil rata-rata

  antar masing-masing kelompok dalam K-means yang dilakukan perhitungan dengan jarak potongnya. Adapun hasil pengelompokkan disajikan dalam bentuk peta tematik pada Gambar 1.

  Berdasarkan Gambar 1. dapat diketahui bahwa hasil nilai taksiran Tingkat Pengangguran Terbuka di Indonesia dikelompokkan dalam dua kategori yaitu TPT kategori tinggi yang diarsir dengan warna ungu muda dan kategori rendah diarsir dengan warna kuning.

  Berikut ini untuk melihat kebaikan model, dapat dilihat dari nilai R ² . Adapun hasil R ² model FEM cross section weight adalah sebagai berikut.

  Pengujian asumsi residual IIDN (Identik, Independen dan Distribusi Normal) disajikan sebagai berikut. Uji asumsi identik dilakukan untuk mengetahui homogenitas varian residual (tidak terjadi kasus heteroskedastisitas). Untuk mendeteksi hal tersebut dilakukan uji Park dengan hasil analisis pada Tabel 9.

  T ABEL 9.

  H ^ASIL U ^JI P ^ARK Model DF SS MS F P-value

  Regresi 3 12,795 4,265 0,691 0,558 Residual 293 1808,924 6,174 Total 296 1821,719

  Sumber : Minitab 16, 2016

  Berdasarkan Tabel 9. dapat diketahui bahwa hasil uji Parkmenghasilkan P-value sebesar 0,558 lebih besar daripada α = 0,05 maka gagal tolak H . Artinya, varians residual telah bersifat homogen atau tidak terjadi kasus heteroskedastisitas.

  Teknik estimasi model data panel dengan FEM mempunyai kelebihan diantaranya tidak perlu mengasumsikan bahwa komponen error tidak berkorelasi dengan variabel bebas yang mungkin sulit dipahami. Sehingga, hasil uji tentang autokorelasi dapat diabaikan.

  T ABEL 8.

  Pengujian parsial menjelaskan bahwa apabila nilai |t- _{hitung | lebih besar daripadanilai t tabel yaitu t (0,025;292) sebesar} 1,968 dan nilai P - value sebesar 0,000 yang bernilai kurang dari jika dibandingkan dengan α=0,05. Maka keputusannya adalah Tolak H . Berdasarkan Tabel 7. diperoleh hasil terdapat tiga variabel yang berpengaruh secara signifikan terhadap Tingkat Pengangguran Terbuka di Indonesia antara lain adalah Laju Per-tumbuhan Penduduk (X ^{1 ), Angka Melek Huruf (X 2 ) dan Angka} Partisipasi Kasar SMA (X ^{3 ).}

  Berdasarkan model tersebut diketahui bahwa dengan memasukkan nilai variabel prediktor ke dalam model Persamaan (19), maka didapatkan nilai taksiran TPT ( ŷ it

  Pengujian serentak dilakukan untuk melihat apakah variabel prediktor yang berpengaruh terhadap Tingkat Pengangguran Terbuka di Indonesia.

  ) untuk masing-masing Provinsi di Indonesia.Sebagai contoh, jika ingin mengetahui Tingkat Pengangguran Terbuka Provinsi Jambi (TPT tertinggi pada tahun 2014) diperoleh nilai sebagai berikut.

  )) 85 , , 358 1 ( ) 036 , , 799 2 (

  20 Jambi 2014 - y ˆ     ) 63 ,

  , 157 73 ( ) 71 , , 046 98 (  

  08 ,

  5 Jambi 2014 - y ˆ 

  T ABEL

  X ^{3 -0,157 0,009 -16,577 0,0000} Sumber : Eviews 6, 2016

  6. H ^ASIL U ^JI S ^ERENTAK FEM C ^ROSS S ^ECTION W ^EIGHT Pengukuran Nilai

  F hitung 48,567 F tabel 2,635 P-value 0,000 Sumber : Eviews 6, 2016

  Berdasarkan Tabel 6. dapat diketahui bahwa nilai F hitung sebesar 48,567 yang lebih besar jika dibandingkan dengan nilai Ft ^abel yaitu F ^(0,05;3;293) sebesar 2,635 dan nilai P-value sebesar 0,000 yang bernilai kurang dari jika dibandingkan dengan α=0,05. Sehingga dapat di-simpulkan Tolak H ^0. Artinya secara serentak model signifikan atau minimal terdapat satu variabel prediktor yang berpengaruh signifikan terhadap Tingkat Pengangguran Terbuka di Indonesia. Selanjutnya dilakukan pengujian parsial dengan hasil analisis sebagai berikut.

  T ABEL

  7. H ^ASIL U ^JI P ^ARSIAL FEM C ^ROSS S ^ECTION W ^EIGHTED Variabel Koefisien SE t hitung P-value C 20,799 1,641 12,672 0,0000

  X ^{1 0,358 0,173 2,070 0,0395}

  X ^{2 -0,047 0,018 -2,489 0,0134}

  Berikut adalah uji normalitas dat residual dengan menggunakan metode Kolmogorov-Smirnov. JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) 2337-3520 (2301-928X Print) D-437 meningkat sebesar 0,358 persen. Jika Angka Melek Huruf meningkat sebesar 1 persen, maka nilai TPT di Indonesia menurun sebesar 0,046 persen dan semakin tinggi Angka Partisipasi Kasar SMA/Sederajat, maka nilai TPT akan semakin rendah. Jika Angka Partisipasi Kasar SMA meningkat sebesar 1 persen, maka nilai TPT di Indonesia menurun sebesar 0,157 persen.

  Saran yang dapat diberikan kepada Pemerintah Pusat dalam mengurangi tinggi angka Tingkat Pengangguran Terbuka adalah dengan memperhatikan faktor-faktor yang berpengaruh terhadap TPT di Indonesia berdasarkan hasil analisis yang telah dilakukan, yaitu dalam menekan Laju Pertumbuhan Penduduk, dan meningkatkan kualitas

  Gambar 2. Plot Residual Berdistribusi Normal

  pendidikan dalam meningkatkan Angka Melek Huruf dan Berdasarkan gambar 2. uji asumsi normal diketahui

  Angka Partisipasi Kasar (APK) SMA.Saran yang bahwa P-value sebesar 0,123 lebih besar daripada α = 0,05 diberikan untuk penelitian selanjutnya adalah sebaiknya sehingga gagal tolak H . Artinya residual telah memenuhi menambah variabel yang diduga berpengaruh dengan asumsi distribusi normal. teori yang sesuai serta periode waktu yang ditambah dari

  Semua asumsi residual dari model regresi panel dengan penelitian ini. pendekatan FEM cross section weight meliputi asumsi identik, independen dan berdistribusi normal telah

  DAFTAR PUSTAKA terpenuhi. Sehingga model dikatakan layak untuk

  [1] Berita Resmi Statistik. 2015. Februari 2015, Tingkat Pengangguran

  mengestimasi regresi panel pada data Tingkat Terbuka (TPT) sebesar 5,81 persen. Pengangguran Terbuka di Indonesia periode tahun 2006 [2] BPS RI. 2015. Pengangguran bertambah 320 ribu orang. hingga 2014.

  www.bps.go.id/2015/11/05/173716216/bps-pengangguran- bertambah-320-ribu orang. Diakses pada tanggal 10 Februari 2016.

ESIMPULAN DAN ARAN

  V. K S

  [3] Prasanti, Tyas Ayu. 2015. Aplikasi Regresi Data Panel Untuk

  Berdasarkan hasil analisis dan pembahasan pada Pemodelan Tingkat Pengangguran Terbuka Kabupaten/Kota di

  Provinsi Jawa Tengah: Skripsi Program Sarjana Statistika penelitian ini dapat diperoleh kesimpulan sebagai berikut. Universitas Diponegoro.

1. Tingkat Pengangguran Terbuka (TPT) relatif fluktuatif

  dalam periode tahun 2006 hingga 2014. Pada tahun (diterjemahkan oleh: Mangunsong, R.C.). Jakarta: Salemba Empat. 2014, TPT mengalami peningkatan mencapai 7 persen ₆ dari tahun sebelumnya sebesar 6,64 persen.TPT [5] Greene, W.H. 2000. Econometric Analysis th Edition. New Jersey:

  [4] Gujarati, D. 2012. Dasar-Dasar Ekonometrika Edisi Lima.

  Prentice Hall.

  tertinggi adalah tahun 2014 untuk provinsi Jambi sebesar 13,08 persen.

  [6] Draper, N. R., & Smith, H. (1992). Analisis Regresi Terapan.

  Jakarta: PT. Gramedia Pustaka Utama.

  2. Dari lima variabel yang dilakukan analisis, diperoleh tiga variabel yang berpengaruh signifikan terhadap

  [7] Johnson, R.A., & Wichern, D.W. 2007. Applied Multivariate

  Tingkat Pengangguran Terbuka, yaitu Laju _{1 2} Statistical Analysis, Sixth Edition. Prentice Hall Inc. New Jearsey.

  Pertumbuhan Penduduk (X ), Angka Melek Huruf (X )

  [8] Nachrowi D., Nachrowi dan Hardius Usman, 2006. Pendekatan

  dan Angka Partisipasi Kasar (APK) SMA (X ^{3 ). Dimana,}

  Populer dan Praktis Ekonometrika untuk Analisis Ekonomi dan Keuangan. Jakarta: Fakultas Ekonomi Universitas Indonesia.

  ketika Jika Laju Pertumbuhan Penduduk meningkat sebesar 1 persen, maka nilai TPT di Indonesia